基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

可实现图像自修复的压缩感知超分辨率成像

为了在不增加系统复杂度的前提下实现对降质图像的传输、修复及超分辨率成像,基于压缩感知理论和图像的退化模型建立了一个新型的压缩感知系统.该系统利用图像退化模型中降采样操作和模糊算子改进测量矩阵,并提出了基于小波-Shearlet的图像变换作为稀疏表示方法,在重构端结合迭代硬阈值算法重建图像.实验结果表明,文中系统在重构图像的质量和运算效率上均具备一定优势.     

基于非子采样Contourlet变换的图像融合方法

分析了非子采样Contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样Contourlet变换的图像融合方法.首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各尺度层使用非子采样方向滤波器组对高频子带作方向分解,构成非子采样Contourlet变换;然后,采用基于区域能量的融合规则得到融合图像的非子采样Contourlet系数;最后进行非子采样Contourlet逆变换得到融合图像.实验结果表明,该方法的融合效果优于à trous小波变换方法和Mallat小波变换方法.     

改进的轮廓波图像匹配算法

与小波变换相比,轮廓波变换中LP滤波器的显著缺点是存在过采样和非正交特性。提出一种改进轮廓波变换方法,首先对待处理图像实施小波变换,然后对低频子带图像进行重建,可得到一个高频子带图像,使用滤波器组进行多方向划分。该方法既保持了临界采样又利于后面使用方向滤波器组来对高频部分进行方向划分。实验证明该方法的匹配效果优于小波变换及轮廓波变换。     

透射波CT中小波算法的研究

提出了一种用于透射波CT中的小波卷积重建算法，并构建了离散的小波变换及CT图像重建算法，该算法在实际应用时迭代次数少、运行速度快，优于传统的Radon变换重建算法，并可利用计算机语言进行编程实现。实验结果表明，该算法在图像重建中具有运算速度快、重建图像细节准确等特点。     

基于方向提升小波变换的多描述图像编码

本文提出一种基于方向提升小波变换的多描述图像编码方法, 以避免压缩图像在互联网和无线网络环境下因数据包传输出错或丢失而导致的图像质量严重下降. 基本思想是在空域将一幅图像按梅花形下采样为两个描述, 为解决传统空域下采样多描述编码技术编码效率低的问题, 提出能充分利用相邻像素相关性的方向提升小波变换, 并通过四叉树的分割实现方向的组织和选择. 边缘信道解码出的低分辨率图像, 通过插值算法实现原始分辨率单描述的图像重建. 中央信道解码出的图像, 通过数据融合算法实现两描述的图像重建, 进而进一步改善图像视觉质量     

基于分割采样的小波域图像信息隐藏算法及性能分析

提出了一种结合加密技术的小波域变换图像信息隐藏算法.该方法首先利用分割采样置乱变换对待隐藏图像进行变换加密处理,并对载体图像进行多分辨率小波分解,然后根据人眼视觉特性自适应选取信息隐藏的小波变换域系数.在此基础上,将置乱加密信息乘上一个调节嵌入深度的权值后叠加到所选小波域嵌入位置,实现图像信息的自适应隐藏.实验结果表明,所提出的信息隐藏算法具有非常好的不可见性,对于大量的隐藏攻击手段具有较好的安全性和鲁棒性.     

新的纹理图像特征提取方法

提出了一种新的基于非下采样Contourlet变换的纹理特征提取方法.首先对纹理图像进行非下采样Contourlet变换,然后提取不同尺度、不同方向上变换系数矩阵的均值和方差作为特征向量,大大降低了特征维数,并利用BP神经网络进行训练和仿真,实现了纹理图像的自动分类.实验结果表明,与小波包变换和改进的LBP纹理算子等方法相比,该方法能取得更好的分类效果.     

基于方向变换和方向波的图像去噪

针对小波变换处理二维信号时存在方向缺失、不能达到最优逼近的缺点,借鉴方向波中处理边界问题的思想,利用方向滤波器组中的采样矩阵实现图像旋转.将具有一定夹角的2个方向利用采样矩阵表示,使这2个方向分别旋转投影成为水平方向和垂直方向.考虑到小波分析擅长处理纹理特征的优点,结合方向变换与小波变换,将对角线信息进行优化表示.仿真实验验证该方法可显著改善图像的视觉效果.     

基于单层小波变换的图像融合压缩感知研究

提出了一种将单层小波变换与压缩感知相结合的图像融合新方法，仅通过测量图像的高频小波系数且保留了低频小波系数，利用不同的方案对低频小波系数和高频小波系数的测量进行融合。结合总变分（TV）最小化算法和融合测量来恢复高频小波系数，运用逆小波变换对融合图像进行重建。实验表明，该方法具有良好的融合性能和较低的计算复杂度。     

单层小波分解下图像行列压缩感知选择算法

在进行图像压缩感知时发现以行或列进行压缩感知所得到的图像重构后的峰值信噪比(PSNR)是不同的。为了提高图像压缩重构的质量,提出了单层小波分解下图像行列压缩感知的选择算法。该算法首先计算图像的行与列数据的相对方差的最大偏离值,选择较小者对应的行或列作为压缩感知的对象,然后对图像进行单层小波变换分解出高频系数,在高斯观测矩阵下,对这些系数按指定的行或列进行压缩感知,最后利用正交匹配追踪算法(OMP)分别恢复压缩感知下的高频系数,并通过小波逆变换得到经过行列压缩感知后的重构图像,实验结果证明了算法的准确性。     

基于区域特性的压缩感知多聚焦融合算法

传统的基于压缩感知的图像融合算法是对整个系数进行稀疏处理,而小波分解后的低频系数不稀疏,导致压缩重构质量降低,并且传统的融合规则不易简单、全面地提取高频系数的特征值。针对这一问题,分别对小波分解得到的高、低频系数采取不同的融合规则进行处理,提出了一种改进的区域特性高频压缩感知的融合算法。其中,低频系数采用区域方差加权绝对值最大融合;高频系数首先通过具有较好RIP性质的随机观测矩阵进行压缩采样,得到的观测值基于能量匹配度的不同进行相加或加权融合,以融合不同方向的高频子带特征信息,再用正交匹配追踪重构算法对高频部分进行信号重构。最后,低频、高频信息在小波逆变换下重构出融合图像。实验结果表明,与以往的基于压缩感知的融合方法相比,此算法的融合图像更清晰,新算法无论是在主观评价还是客观评价指标上都有利于图像信号重构,并具有较好的使用性。     

Compressive rendering: a rendering application of compressed sensing

Recently, there has been growing interest in compressed sensing (CS), the new theory that shows how a small set of linear measurements can be used to reconstruct a signal if it is sparse in a transform domain. Although CS has been applied to many problems in other fields, in computer graphics, it has only been used so far to accelerate the acquisition of light transport. In this paper, we propose a novel application of compressed sensing by using it to accelerate ray-traced rendering in a manner that exploits the sparsity of the final image in the wavelet basis. To do this, we raytrace only a subset of the pixel samples in the spatial domain and use a simple, greedy CS-based algorithm to estimate the wavelet transform of the image during rendering. Since the energy of the image is concentrated more compactly in the wavelet domain, less samples are required for a result of given quality than with conventional spatial-domain rendering. By taking the inverse wavelet transform of the result, we compute an accurate reconstruction of the desired final image. Our results show that our framework can achieve high-quality images with approximately 75 percent of the pixel samples using a nonadaptive sampling scheme. In addition, we also perform better than other algorithms that might be used to fill in the missing pixel data, such as interpolation or inpainting. Furthermore, since the algorithm works in image space, it is completely independent of scene complexity.     

改进小波包分析在雷达图像消噪中的应用

针对VDR雷达图像在采集、数字化和传输过程中常受到各种噪声的干扰，不利于对图像进行分析、观察和压缩的问题，提出采用改进小波包分析算法进行图像消噪处理，小波包分析具有比小波更精确的局部分析能力，但由于小波包分解的隔点采样会产生严重的频带混叠现象，文中对小波包分析算法进行改进，利用信号的频移特性，将信号进行移频处理，消除频带混叠现象，达到高质量去噪的目的；通过VDR雷达图像消噪实验证明，上述改进算法好于小波包消噪方法，更优于小波消噪方法，具有更为广泛的应用价值。     

基于压缩感知理论的图像融合方法

基于压缩感知（Compressed Sensing,CS）理论,提出了一种采样点少且结构简单易实现的图像融合方法。对需要处理的两幅或多幅图像进行小波变换,分别对得到的小波系数进行稀疏处理得到稀疏矩阵,通过系数绝对值较大法进行融合,对融合后的系数矩阵通过随机观测获取压缩采样,而图像恢复则是对得到的压缩采样通过求解最优化的问题得到。由于对小波系数进行了稀疏处理,故该方法可以用少量的采样点来恢复图像。实验结果表明,在相同采样点下,该方法得到的图像质量（PSNR）明显优于传统的系数绝对值较大法融合;在少量采样点下,采用该方法也可以使融合的图像达到较好的效果。     

小波空间的视图变形合成

该文提出一种新的基于2D离散小波变换和图像变形技术的视图合成方法.该方法完全依赖于已知的一对视图来合成期间的变换视图,无需相机标定或其他几何信息.其基本思想是：首先,采用立体视觉技术找出图像对间的基本矩阵,将两个图像变换到一个规范的模式定义下,即使得其图像平面平行,并且对应像素位于同一条扫描线上.然后,给出一种小波空间的图像变形方法,可以快速地生成期间的变换视图,而且还便于进一步对小波系数进行量化编码.绘制时,先作必要的解码,再通过小波逆变换将合成的小波系数恢复到图像空间.最后,经过一个后置变换,将期间视     

基于关系矩阵的快速嵌入零树小波图像编码算法

为了快速获得更好的图像复原质量,提出了一种基于关系矩阵的快速嵌入零树小波(EZW)图像编码算法。该算法的基本工作步骤为:(1)对原始图像进行小波分解;(2)对最低频小波子带进行DPCM编码;(3)对所有高频子带系数构造零树结构;(4)首先确定初始阈值,并构造小波系数的关系矩阵,然后结合关系矩阵对高频子带系数进行逐次逼近量化编码。实验结果表明,该算法具有较好的图像复原质量和较快的编码速度,整体性能明显优于EZW方案(特别是低比特率下)。     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

Reversible data hiding in compressed and encrypted images by using Kd-tree

In this paper, a joint scheme and a separable scheme for reversible data hiding (RDH) in compressed and encrypted images by reserving room through Kd-tree were proposed. Firstly, the plain cover image was losslessly compressed and encrypted with lifting based integer wavelet transform (IWT) and set partition in hierarchical tree (SPIHT) encoding. Then, several shift operations were performed on the generated SPIHT bit-stream. The shifted bit-stream was restructured into small chunks and packed in the form of a large square matrix. The binary square matrix was exposed to Kd-tree with random permutations and reserving uniform areas of ones and zeros for secret data hiding. After that, a joint or a separable RDH scheme can be performed in these reserved spaces. In the joint RDH scheme, the secret data were embedded in the reserved spaces before encrypting with multiple chaotic maps. Thus, secret data extraction and cover image recovery were achieved together. In the separable RDH scheme, the secret data were embedded in the reserved spaces after encrypting with multiple chaotic maps. Since message extraction and cover image recovery are performed separately, anyone who has the embedding key can extract the secret message from the marked encrypted copy, while cannot recover the cover image. A complete encoding and decoding procedure of RDH for compressed and encrypted images was elaborated. The imperceptibility analysis showed that the proposed methods bring no distortion to the cover image because there was no change to the original cover image. The experimental results showed that the proposed schemes can perform better for secret data extraction and can restore the original image with 100% reversibility with much more embedding capacity and security. The proposed schemes significantly outperform the state-of-the-art RDH methods in the literature on compressed and encrypted images.

     

基于压缩感知的电力系统故障选线研究

为了解决电力系统故障选线中信号的采样、传输和存储问题,提出了一种全新的基于压缩感知理论的信号压缩的方法.该方法的采样频率不用考虑奈奎斯特采样频率.采样的信号是有选择性的部分信号.并通过设计重构算法来准确恢复该全部信号.考虑到一般条件下信号稀疏度不确定性,采用一种分割增广拉格朗日收缩算法(SALSA)来重构这些稀疏度不确定的信号.通过采用快速傅里叶变换基与高斯随机矩阵并且和SALSA相结合能够很好地实现信号压缩重构.对重构信号采用小波分解,获取重构信号的主要特征,分析零序电流模极大值的极性,找出其中一条与另外两条零序电流模极大值极性不同的线路,从而确定此线路为故障线路.